GPS在农田土地平整地形测量中应用的初步研究

根据测量的田面高程数据和估算的平地土方量,对GPS测量技术的田间应用效果进行评价,利用统计方法对比分析定点GPS与水准仪测量的高程数据,初步探讨车载行进速度对GPS测量精度的影响,分析采用GPS技术替代人工水准仪测量方法的可行性。结果表明,基于定点GPS数据和水准仪测量结果绘制的田面微地形状况具有较好的相似性,两者间具有相同的测量精度。车载行进速度对GPS测量精度的影响是明显的,慢速下的GPS测量精度高于快速下的相应结果,低速且匀速的车辆行驶方式是确保该法测量精度的重要措施。在农田土地平整作业中,利用先进的GPS技术替代传统的人工水准仪测量方法对田面高程进行测量具有较好的可行性。

一种GPS弹道辨识方法的精度仿真分析

为提高弹道修正精度,提出一种利用GPS测量数据对弹道进行辨识的方法.该方法可在降低GPS测量随机误差影响的同时,间接得到某时刻弹道倾角,为弹道预测提供初始参数.采用蒙特卡罗模拟的方法,对这种弹道辨识方法的精度进行了计算.结果表明,以目前商用单频C/A码GPS接收机的测量精度,该弹道辨识方法对落点预测的圆概率相对误差为0.09%,能够满足弹道修正引信精度要求.

GPS接收机中码相位测量精化方法的研究

精确的码相位测量是保证GPS接收机得到精确伪距值进而进行精确定位的一个重要前提。在已有码相位测量精化方法的基础之上提出了两种新的码相位测量精化的方法,讲述了两种方法的原理与具体实现方法,并利用蒙特卡洛方法进行了仿真实验,得到了码相位结果均值、码相位结果均值方差等一系列实验结果,对几种方法的精化效果从精确性、稳定性和跟踪性能等几个方面进行了比较分析,得出了相应的结论。与三角匹配法和二次曲线插值精化法相比,二阶最小二乘拟合精化法和广义延拓逼近精化法有明显优势;广义延拓逼近精化法的精化精度最高、跟踪精度最高,而二阶最小二乘拟合精化法的稳定性最好。

基于主成分回归的GPS高程曲面拟合

本文阐述了多项式曲面拟合GPS高程中参数数目对法方程条件数和结果的影响,当过度参数化时,观测方程的法方程会病态,传统的最小二乘无法得到可靠的结果,岭估计到目前为止仍然没有一种很好的确定岭参数的方法,主成分估计可以在保持原始数据信息损失最少的前提下,实现数据的降维避免法方程病态,从而得到参数的精确估值。并且把该方法运用于某测区,通过比较不同方法和不同参数数目时的计算结果,得出主成分估计在不同参数时都可以取得比较满意的结果,同时计算结果表明中心化和标准化对于多项式曲面拟合GPS高程的必要性。

BP神经网络在GPS高程异常拟合中的应用

以提高GPS高程异常拟合的精度为目标,针对实际工程数据,对BP网络模型进行详细的设计,应用BP神经网络方法进行粗差的剔除和高程异常拟合实验及模型精度的评定,得到较满意的结果。通过与多面函数法得到的结果进行比较,证实该模型可使拟合精度有较大提高。

基于自适应神经模糊推理系统的GPS高程转换

在工程实践中需要将GPS高转换为正常高。近年来,神经网络方法已经用到这一目的,并且取得一定成果。然而这种方法有一些缺点。一种新方法ANFIS被用来解决这一问题。首先简单介绍ANFIS理论,然后介绍使用ANFIS转换GPS高程的具体过程,最后给出一个使用本方法的工程实例及相应的结果。

带状交通工程中GPS高程拟合方法分析

GPS定位技术在交通工程平面控制中得到广泛应用,为使GPS高程成果也可以适用于带状交通工程,则GPS高程拟合模型的选取成为工程应用中急需解决的问题。针对模型的选取,该文试着将二次曲线拟合法与二次曲面拟合法进行对比,并结合某段带状交通工程GPS测量数据进行对比分析,最后得出二次曲面拟合模型拟合效果更佳的结论。

GPS高程拟合及其在公路勘察中的应用

GPS高程拟合相对于传统的水准测量而言,更加简便地实现大地高和正常高之间的转换,使高程测量的工作效率有效提高。本文结合工程实例,采用多点拟合求解GPS高程,用多面函数拟合法和常规水准测量进行了精度比较,论证了高程拟合在公路勘察中的可行性。

主成分估计在多项式曲面拟合GPS高程中的应用

阐述了多项式曲面拟合GPS高程中参数数目对结果的影响,比较了传统最小二乘平差、主成分估计和岭估计在不同参数时的计算结果,主成分回归在不同参数时都可以取得比较满意的结果。

针对小区域的GPS高程拟合算法研究

GPS高程拟合方法及精度是GPS研究领域的热点.不同的GPS高程拟合方法有其相应的适用性,拟合方法的选取直接决定拟合精度.结合某小区域实例数据用C#以及MATLAB编程语言实现二次曲面拟合法、加权平均法,并进行内符合精度与外符合精度评定.研究表明,二次曲面拟合法适用于本文应用实例,其拟合精度高于加权平均法.

遗传算法优化灰色神经网络的GPS高程拟合模型

为了进一步提高GPS高程拟合的精度,提出利用遗传算法优化选择灰色神经网络模型的权值阈值:对灰色神经网络的初始权值和阈值利用遗传算法进行适应度编码,并经过选择、变异及交叉确定最优的初始参数,以解决灰色神经网络初始参数随机选择拟合值无法唯一确定的问题;然后建立遗传灰色神经网络GPS高程拟合模型,并给出模型实现步骤。实验结果表明,遗传灰色神经网络GPS高程拟合模型的精度优于当前其他拟合模型的精度,且模型稳定性良好。

在GPS基线解算中卫星高度截止角的确定

本文研究了卫星高度角的设置对GPS基线解算质量的影响,介绍了设置卫星高度截止角的原则方法,合理设置高度截止角,解算结果精度明显提高。

基于移动曲面模型的GPS高程拟合法的研究

介绍了GPS高程拟合的意义和原理,建立了基于移动曲面模型高程拟合的数学模型,进行了程序编制和精度分析.结合区域GPS/水准实测数据进行计算分析,拟合结果达到低等级水准测量的精度要求,可用于大地高向正常高的转换.

一种改进的RBF神经网络GPS高程拟合方法

利用RBF神经网络进行GPS高程拟合时,隐层节点数和径向基散布常数的确定对最终拟合结果影响较大。本文提出一种改进的RBF神经网络高程拟合方法,首先利用基于密度的聚类(DBSCAN)算法自动确定隐层节点数,在此基础上建立测试区域GPS高程数据的似然函数,利用贝叶斯准则(BIC)实现对径向基常数的自动选择。最后基于实际数据的试验结果表明相对于传统BP神经网络拟合算法,所提方法具有更高的拟合精度。

GPS高程拟合法比较以及精度分析

利用GPS测量高程代替水准高程时,选取合适的GPS高程拟合方法是必不可少的。本文利用某测区94个已知点作为实验数据,其中65个作为建模点,29个作为检验点,利用不同的函数模型法和不同的统计模型法建立实验区的GPS高程拟合模型,并通过MATLAB语言设计实现GPS高程拟合模型的建立以及精度分析。通过对比分析实验证明:移动曲面拟合法是本文列举函数模型法中拟合效果最好的;基于二次曲面的Shepard拟合法是本文列举统计模型法中效果更好。

基于K-means和SVM的分段GPS高程拟合方法

GPS高程数据得到广泛应用的前提是快速、准确的GPS高程拟合方法。本文针对高程异常起伏明显地区的GPS高程拟合问题,提出一种基于K-means和支撑向量机(Support Vector Machine,SVM)的分段GPS高程拟合方法,首先利用K-means算法根据高程异常起伏特点将GPS数据分为不同的子集,然后在每个子集中选取最优参数利用SVM回归算法进行高程拟合,最后基于实际数据的试验结果表明相对于传统BP神经网络拟合算法,所提方法具有更高的拟合精度。

基于改进BP神经网络的GPS高程拟合方法

BP神经网络用于GPS高程拟合时存在收敛速度慢,受初始值选取影响大和易陷入局部极大值的问题。本文提出一种改进的BP神经网络高程拟合方法,将模拟退火算法(Simulated Annealing,SA)引入BP神经网络模型,利用模拟退火算法的全局寻优能力对BP神经网络的初始值进行选择,同时优化神经网络的各层神经元之间的连接权值和阈值,提高BP神经网络拟合法的拟合精度、收敛速度和推广泛化能力。最后结合实际算例对所提方法的拟合性能进行验证,结果表明利用模拟退火算法改进的BP神经网络进行高程拟合是可行且有效的,拟合结果优于传统BP神经网络法。

基于拟合道路矢量方程的GPS双星定位系统

随着GPS技术的发展与成熟,GPS的应用也越发广泛。然而在中小型城市社区的应用中,还存在道路信息不足及由于天气或建筑遮挡,卫星数不足3颗,导致GPS定位无法工作的情况。提出了一套GPS系统解决方案,采用自测数据进行道路拟合,并结合道路矢量方程进行GPS双星定位。该系统在校园环境中进行测试,结果证明该系统提供了更好的定位服务。

GPS高程拟合方法及评价准则研究

GPS获得的大地高需要转换成正常高才能得到工程应用。该文针对某测区的GPS和水准数据的高程转换问题,分别利用曲线拟合法、曲面拟合法、BP神经网络拟合法和RBF神经网络拟合法对该问题进行研究,并提出不同的精度评价准则对上述模型在工程应用中的可行性及精度进行分析。结果表明,在区域范围较小且呈面状分布的地区,采用RBF神经网络相对于曲线拟合模型、曲面拟合模型和BP神经网络模型,可以获得更高的拟合精度以及鲁棒性。本文的对比分析结果可以供读者在实际工程应用过程中参考。

神经网络在GPS精密星历数据拟合中的应用

由于经典的拉格朗日多项式内插在对GPS精密星历(SP3)进行插值时,多项式阶数过高会导致拟合的精密星历坐标差值较大点均集中在重合区两端,并且坐标差值影响可达20mm,甚至更大,目前IGS提供的最终轨道精度优于25mm,因此,精密星历拟合中龙格现象的影响不可忽略。为了减少这种现象,利用神经网络对GPS精密星历进行数据拟合,采用建立前馈网络的方法,通过对训练函数、传输函数、输入结点个数等参数进行调整,得出了利用神经网络对GPS精密星历进行拟合的最佳参数设置。研究结果表明,当训练算法采用trainlm,隐层结点个数为4时,两个隐含层分别采用传输函数logsig()和tansig()的训练效果明显好于其他组合,只用41步就能得到极小的拟合误差2.16081e-020,远小于设计的训练精度。